compiler/locomotiv/src/Node/ConstGen.cpp

   1 /*
   2  * Copyright (c) 2019 Samsung Electronics Co., Ltd. All Rights Reserved
   3  *
   4  * Licensed under the Apache License, Version 2.0 (the "License");
   5  * you may not use this file except in compliance with the License.
   6  * You may obtain a copy of the License at
   7  *
   8  *    http://www.apache.org/licenses/LICENSE-2.0
   9  *
  10  * Unless required by applicable law or agreed to in writing, software
  11  * distributed under the License is distributed on an "AS IS" BASIS,
  12  * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  13  * See the License for the specific language governing permissions and
  14  * limitations under the License.
  15  */
  16
  17 #include "NodeExecution.h"
  18
  19 #include "NodeDataImpl.h"
  20 #include "NodeDomain.h"
  21
  22 #include <nncc/core/ADT/tensor/Shape.h>
  23 #include <nncc/core/ADT/tensor/Buffer.h>
  24 #include <nncc/core/ADT/tensor/IndexEnumerator.h>
  25 #include <nncc/core/ADT/tensor/LexicalLayout.h>
  26
  27 #include <stdexcept>
  28 #include <cassert>
  29
  30 using nncc::core::ADT::tensor::Index;
  31 using nncc::core::ADT::tensor::IndexEnumerator;
  32 using nncc::core::ADT::tensor::Shape;
  33 using nncc::core::ADT::tensor::LexicalLayout;
  34 using nncc::core::ADT::tensor::make_buffer;
  35
  36 namespace
  37 {
  38
  39 /**
  40  * @brief Get offset based on given shape and index. Assume lexical layout.
  41  *
  42  * examples)
  43  * For shape = {3, 4} and index = {1, 2},
  44  *     offset would be 6 ( = 1 * (4) + 2 )
  45  * For shape = {2, 3, 4} and index = {1, 0, 2},
  46  *     offset would be 14 ( = 1 * (3*4) + 0 *(4) + 2 )
  47  */
  48 inline uint32_t offset_by_index(const Shape &shape, const Index &index)
  49 {
  50   static const nncc::core::ADT::tensor::LexicalLayout l;
  51   return l.offset(shape, index);
  52 }
  53
  54 } // namespace
  55
  56 namespace locomotiv
  57 {
  58
  59 void NodeExecution::execute(loco::ConstGen *constgen)
  60 {
  61   uint32_t volume = 1;
  62
  63   Shape shape;
  64   shape.resize(constgen->rank());
  65   for (uint32_t i = 0; i < shape.rank(); ++i)
  66   {
  67     shape.dim(i) = constgen->dim(i).value();
  68     volume *= shape.dim(i);
  69   }
  70
  71   std::unique_ptr<NodeData> data = nullptr;
  72
  73   switch (constgen->dtype())
  74   {
  75     case loco::DataType::S32:
  76     {
  77       assert(volume == constgen->size<loco::DataType::S32>());
  78
  79       auto buf = make_buffer<int32_t, LexicalLayout>(shape);
  80
  81       for (IndexEnumerator e{shape}; e.valid(); e.advance())
  82       {
  83         const auto &index = e.current();
  84         uint32_t offset = ::offset_by_index(shape, index);
  85         buf.at(index) = constgen->at<loco::DataType::S32>(offset);
  86       }
  87
  88       data = locomotiv::make_data(buf);
  89       break;
  90     }
  91     case loco::DataType::FLOAT32:
  92     {
  93       assert(volume == constgen->size<loco::DataType::FLOAT32>());
  94
  95       auto buf = make_buffer<float, LexicalLayout>(shape);
  96
  97       for (IndexEnumerator e{shape}; e.valid(); e.advance())
  98       {
  99         const auto &index = e.current();
 100         uint32_t offset = ::offset_by_index(shape, index);
 101         buf.at(index) = constgen->at<loco::DataType::FLOAT32>(offset);
 102       }
 103
 104       data = locomotiv::make_data(buf);
 105       break;
 106     }
 107     default:
 108       throw std::runtime_error("NYI for this DataType");
 109   }
 110
 111   assert(data != nullptr);
 112   annot_data(constgen, std::move(data));
 113   annot_domain(constgen, loco::Domain::Tensor);
 114 }
 115
 116 } // namespace locomotiv